Orodha ya Mbinu za kupinga AI x Jibu lisilo sahihi

Kushindwa kwa kategoria za AI BENCHY

Ona ni modeli gani za AI zina uwezekano mkubwa wa kupata Jibu lisilo sahihi katika Mbinu za kupinga AI, ili uone udhaifu haraka. Panga kwa: Muda wa majibu (wastani) ↑.

Modeli zilizoonyeshwa

Jumla ya kushindwa

165

Modeli iliyoathirika zaidi

Mistral Small 4 4

Sababu za kushindwa

Jibu lisilo sahihi165 Hakufuata maelekezo17 Muundo wa ziada11 Muda umeisha4 Hakuna jibu1

Kategoria

Mahususi kwa domeni182 Mbinu za kupinga AI165 Utatuzi wa mafumbo85 Ufuataji wa maagizo44 Mchanganyiko37 Uandishi wa msimbo28 Uchanganuzi na uchimbaji wa data19 Akili ya jumla10 Mwito wa zana2

Nafasi	Modeli	Kampuni	Idadi ya Jibu lisilo sahihi	Alama ya kategoria	Majaribio sahihi	Muda wa majibu (wastani)
#83	Mistral Small 4 none	Mistral	4	3.4	0/4	395ms
#98	LFM2-24B-A2B none	Liquid	3	3.3	0/3	471ms
#91	Mercury 2 none	Inception	4	3.0	0/4	483ms
#82	Grok 4.20 none	X AI	3	4.8	1/4	501ms
#62	Gemini 2.5 Flash none	Google	4	3.0	0/4	582ms
#79	Grok 4.20 Beta none	X AI	4	4.0	0/4	597ms
#67	Qwen3.5-27B none	Qwen	3	4.8	1/4	788ms
#86	GPT-5.4 Mini none	OpenAI	4	3.1	0/4	929ms
#85	Elephant none	Openrouter	1	6.6	2/4	963ms
#29	Gemini 3.1 Flash Lite Preview none	Google	1	7.5	2/4	1.04s
#95	Grok 4.1 Fast none	X AI	3	3.2	0/4	1.07s
#55	MiMo-V2-Omni none	Xiaomi	3	4.8	1/4	1.10s
#54	Mercury 2 medium	Inception	1	6.9	2/4	1.12s
#96	GPT-5.4 Nano none	OpenAI	4	3.5	0/4	1.18s
#81	Elephant medium	Openrouter	2	6.6	2/4	1.19s

1 2 3 4 5

→

Modeli bora kwa Idadi ya Jibu lisilo sahihi

Idadi ya Jibu lisilo sahihi dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa

Mbinu za kupinga AI: Jibu lisilo sahihi

Modeli bora kwa Idadi ya Jibu lisilo sahihi

Idadi ya Jibu lisilo sahihi dhidi ya Alama

Modeli bora kwa Muda wa majibu (wastani)

Modeli bora kwa Gharama iliyopotezwa inayokadiriwa